Statistical atlases of cardiac motion and deformation for the characterization of CRT responders

Abstract

The definition of optimal selection criteria for maximizing the response rate to Cardiac Resynchronization Therapy (CRT) is still an issue under active debate. Recent clinical approaches propose a classification of patients into classes of mechanisms that could lead to heart failure and study their response to the therapy. In this line of research, the computation of a metric between the motion and deformation patterns of a given subject and well identified classes of CRT responders is considered in this thesis, as the basis of a new strategy to compute patient selection indexes. The thesis proposes first an improved design for the construction of statistical atlases of myocardial motion and deformation, and applies it to the characterization of populations of patients involved in CRT. The added-value of our approach is highlighted in a clinical study, applying the methodology to a large population of patients with a given pattern of dyssynchrony (septal flash) and understanding the link between its correction and CRT response. Finally, we propose a method to extend the analysis to the comparison of individuals to reference populations, either healthy or pathological, using manifold learning techniques to model a disease as progressive deviations from normality along a manifold structure, and demonstrate the potential of our method for inter-subject comparison in CRT patients.

La definición de un criterio óptimo para mejorar la respuesta a la Terapia de Resincronización Cardíaca (TRC) sigue siendo un debate abierto. Estudio clínicos recientemente publicados proponen clasificar pacientes según diversos mecanismos patofisiológicos que pueden inducir insuficiencia cardíaca y estudian su respuesta a la terapia. Siguiendo esta línea de investigación, esta tesis considera el cálculo de una distancia entre los patrones de movimiento y deformación de un individuo y las clases de respondedores a la TRC, siendo la base de una nueva estrategia para calcular índices para seleccionar pacientes. Esta tesis presenta primero un método para construir un atlas estadístico de movimiento y deformación miocárdica, y su aplicación posterior a la caracterización de poblaciones de potenciales candidatos a la TRC. El valor añadido de nuestro método se enfatiza en un estudio clínico, en el cual se aplica la metodología a una gran población de pacientes con un patrón específico de disincronía cardíaca (llamado septal flash), y se relaciona su corrección y la respuesta a la TRC. Finalmente, se extiende el método para comparar individuos a una población de referencia, sana o patológica, usando técnicas de manifold learning para representar una patología como una desviación progresiva de la normalidad, con una estructura no lineal específica, y se demuestra el potencial de nuestro método para comparar entre sí candidatos a la TRC.